「 太 快 」 、 「 不 太 老 」 並 未 指明 真正 的 數值 是 多少 ， 但 人腦 卻 可以 很 容易 的 接收 並 處理 ， 這些 模糊 語意 詞 （ Linguisticterm ） 經由 模糊 集合 的 歸屬 函數 （ Membership function ） 加以 量化成 數值 後 ， 便 可 交由 電腦 處理 ， 而 電腦 也 因此 而 稍 具 人腦 的 思考 雛形 。 模糊 理論 涵蓋 的 範圍 極為 廣泛 ， 包括 模糊 集合 、 模糊 關係 （ Fuzzy relation ） 、 模糊 邏輯 （ Fuzzy logic ） 、 模糊 量測 （ Fuzzy measure ） 。 模糊 規劃 、 模糊 專家 系統 、 模糊 資料庫 等 。 因此 ， 只要 是 利用 模糊 理論 所 建構 的 系統 ， 吾人 便 將 之 泛稱為 模糊 系統 （ Fuzzy systems ） ； 在 模糊 系統 中 加入 近似 推理 （ Approximation reasoning ） ， 便 形成 模糊 推論 系統 （ Fuzzy inference systems ） 。 近似 推理 是 一 種 擬人式 的 推論 方式 ， 以 開車 為 例 ： 人類 在 駕駛 時 ， 並 未 實際 測量 道路 彎度 、 車 與 路口 路 邊 的 距離 ， 也 從未 考慮 過 精確 的 方向盤 角度 、 油門 或 剎車 的 大小 ， 只 憑藉 一些 模糊 的 訊息 及 規則 ， 像 是 「 如果 道路 有點 右 彎 ， 則 方向盤 向 右 打 一點 並 開 慢 一點 」 、 「 如果 距 路口 很 遠 且 路況 良好 ， 則 開 快 一點 」 ， 即 能 將 汽車 控制 於 正常 車道 上 。 想 一 想 ， 人腦 並 未 經過 詳細 精確 的 運算 ， 卻 能 做出 正確 的 ， 真是 神奇 。 模糊 推論 系統 就是 被 設計 來 模擬 人類 這 種 「 過程 模糊 ， 結果 精確 」 的 推論 方式 。 一 個 典型 的 模糊 推論 系統 ， 如 圖 1 所 示 ， 具有 四 個 主要 功能 模組 ： （ 1 ） 模糊化 介面 （ Fuzzification ） ： 將 所 量測到 的 數值 轉換成 有 意義 的 語意 詞 ； （ 2 ） 模糊 規則庫 / 知識庫 （ Fuzzy rule-base/knowledge-base ） ： 記錄 專家 的 決策 經驗 法則 和 歸屬 函數 的 定義 ； （ 3 ） 模糊 推論 機 （ Fuzzy inference engine ） ： 根據 近似 推理 理論 進行 模糊 推論 ； （ 4 ） 解 模糊化 介面 （ Defuzzifcation ） ： 相對於 模糊化 的 反向 動作 ， 主要 將 語言 變數 轉換 成為 實際 的 輸出值 。 模糊 規則庫 及 歸屬 函數 為 決定 模糊 推論 系統 性能 好壞 的 兩 大 主因 。 模糊 規則 通常 是 以 若 洗衣機 規則 可能 如下 所 示 ： IF 衣服 「 很 髒 」 、 數量 「 多 」 ， THEN 洗衣 時間 「 久 一點 」 、 洗衣粉 量 為 「 大 一點 」 。 其中 ， 「 很 髒 」 、 「 多 」 、 「 久 一點 」 、 「 大 一點 」 等 語意 詞 ， 都 被 視為 模糊 集合 ， 有 其 對應 的 歸屬 函數 。 模糊 理論 發展 之初 ， 規則庫 及 知識庫 的 大都 倚賴 領域 專家 （ Domainexperts ） 提供 經驗 ， 再 由 設計 工程師 將 其 轉換成 對應 的 模糊 規則 及 歸屬 函數 。 亦即 ： 先 「 依據 專家 的 經驗 或 知識 建立 模糊 規則庫 」 ， 再 「 適度 的 調整 歸屬 函數 以 達到 系統 所 需 的 要求 」 。 其 優點 是 設計 原理 簡單 且 直觀 ； 而 缺點 則 是 費時 耗力 。 因為 知識 的 擷取 （ Knowledge acquisition ） 及 歸屬 函數 的 調整 並非 易事 ， 且 隨著 所 要 解決 的 問題 愈趨 繁瑣 ， 推論 規則 也 相對 愈趨 複雜 而 更 難於 歸納 整理 。 建立 規則庫 時 經常 遭遇 的 困難 是 ： （ 1 （ 具備 相關 知識 的 領域 專家 難 尋 。 （ 2 （ 即使 找到 有 滿 肚子 經驗 和 知識 的 領域 專家 ， 有時 卻 苦於 無法 貼切 的 以 語言 或 文字 充分 表達出來 。 （ 3 （ 模糊 系統 設計 工程師 無法 充分 掌握 領域 知識 的 關鍵點 。 調整 歸屬 函數 常見 的 問題 是 ： （ 1 （ 耗費 時間 及 精力 ， 以致 設計 成本 增加 。 （ 2 （ 最後 調整 出來 的 歸屬 函數 是否 已 是 最 好 的 ？ 幸好 拜 科技 之 ， 今日 的 電腦 運算 能力 相較 於 十 年 前 ， 可謂 一日千里 ， 加以 眾多 學習 理論 日趨 成熟 ， 為 模糊 推論 系統 的 另外 提供 了 出路 。 目前 已 有 許多 研究 成果 朝著 模糊 系統 自我 學習 （ Self-learning ） 或 自我 組織 （ Self-organizing ） 的 方向 努力 。 期望 藉由 各式各樣